0Pricing
AI Agents · Ders

LangChain Mimarisi: Modeller, İstemler, Zincirler

Üç yapı taşı: ChatModels, PromptTemplates ve bunları birleştiren zincirler.

LangChain Mimarisi: Modeller, İstemler, Zincirler, CoddyKit'te ücretsiz bir AI Agents dersidir. Bu, 4 dersinin 1. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, AI Agents öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. AI Agents kursu toplamda 4 dersten oluşur.

Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.

Neden LangChain?

LangChain, LLM uygulamaları oluşturmak için en popüler Python çerçevesidir. Şunları sağlar:

  • Her büyük LLM sağlayıcısı için bağdaştırıcılar
  • Birçok veri kaynağı için yükleyiciler ve ayrıştırıcılar
  • Bellek, ajan ve zincir ilkelleri
  • Vektör deposu entegrasyonları

Eleştirmenler onu şişkin bulur; destekçileri kapsamını sever. Biz, kararlı hâle gelen temel kısma, yani LCEL'e odaklanıyoruz.

Üç Temel Kavram

  1. Modeller — çağırdığınız LLM'ler ve ChatModels
  2. İstemler — mesajlar üreten şablonlar
  3. Zincirler — istemleri -> modelleri -> ayrıştırıcıları birbirine bağlayan bileşimler

Modeller

Sağlayıcılar arasında birleşik bir arayüz:

from langchain_openai import ChatOpenAI
from langchain_anthropic import ChatAnthropic

openai_model = ChatOpenAI(model='gpt-4o-mini', temperature=0.2)
claude_model = ChatAnthropic(model='claude-sonnet-4-5')

resp = openai_model.invoke('Hello!')
print(resp.content)

İstem Şablonları

Değişkenler içeren yeniden kullanılabilir istemler:

from langchain.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ('system', 'You are a {role} assistant.'),
    ('user', '{question}')
])

messages = prompt.invoke({'role': 'SQL', 'question': 'How do I delete rows?'})
print(messages.to_messages())

Zincirler: Boru Operatörü

Bir istemi + modeli + ayrıştırıcıyı | ile birleştirin:

from langchain.schema.output_parser import StrOutputParser

chain = prompt | openai_model | StrOutputParser()
result = chain.invoke({'role': 'SQL', 'question': 'How do I delete rows?'})
print(result)

Çıktı Ayrıştırıcıları

Ham model çıktısını Python türlerine dönüştürün:

from langchain.output_parsers import PydanticOutputParser
from pydantic import BaseModel

class Plan(BaseModel):
    steps: list[str]

parser = PydanticOutputParser(pydantic_object=Plan)
chain = prompt | model | parser

Çalıştırılabilirler ve Çalıştırılabilir Protokolü

Her zincir öğesi şu özelliklere sahip bir Runnable nesnesidir:

  • .invoke(input) — eşzamanlı
  • .ainvoke(input) — eşzamansız
  • .stream(input) — belirteç akışı
  • .batch(inputs) — paralel toplu işlemler

Boru operatörü bunları birleştirir.

Streaming

for chunk in chain.stream({'role': 'helpful', 'question': 'Tell a story.'}):
    print(chunk, end='', flush=True)

Batch

results = chain.batch([
    {'role': 'SQL', 'question': 'Q1'},
    {'role': 'SQL', 'question': 'Q2'}
])
# Runs in parallel.

Çalışma Zamanında Yapılandırma

Her çağrıda model parametrelerini geçersiz kılın:

result = chain.invoke(
    {'role': 'helpful', 'question': '...'},
    config={'configurable': {'temperature': 0.0}}
)

LangChain Hub

Topluluk tarafından düzenlenmiş istemleri çekin:

from langchain import hub
rag_prompt = hub.pull('rlm/rag-prompt')

LangChain Ne Zaman Kullanılmamalı

Çok basit aracılar için (bir model çağrısı, bir araç) LangChain gereğinden fazla kapsamlıdır. Çağrıyı doğrudan yazın. Birleştirilebilirlik, yeniden denemeler, gözlemlenebilirlik ve sınanmış tümleştirmelere ihtiyacınız olduğunda LangChain kullanın.

Zincir Operatörü

LangChain'de | operatörü ne yapar?

Özet

Modeller + İstemler + Zincirler, | ile birbirine bağlanır. Sırada LangChain ekosistemindeki yükleyiciler ve vektör depoları var.

Sıkça Sorulan Sorular

“LangChain Mimarisi: Modeller, İstemler, Zincirler” dersi ücretsiz mi?

Evet — “LangChain Mimarisi: Modeller, İstemler, Zincirler” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve AI Agents kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. AI Agents kursu toplamda 4 dersten oluşur.

“LangChain Mimarisi: Modeller, İstemler, Zincirler” dersinde ne öğreneceğim?

Üç yapı taşı: ChatModels, PromptTemplates ve bunları birleştiren zincirler. AI Agents ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

AI Agents öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te AI Agents, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 1. dersidir.

“LangChain Mimarisi: Modeller, İstemler, Zincirler” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu AI Agents dersinde kod yazıp çalıştırabilir miyim?

Evet. Her AI Agents dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

  1. LangChain Mimarisi: Modeller, İstemler, Zincirler
  2. Yükleyiciler, Bölücüler ve Vektör Depoları
  3. LCEL (LangChain İfade Dili)
  4. Baştan Sona RAG Zinciri Oluşturma
← AI Agents Sayfasına Dön